長春市中心城區(qū)住宅價格中公園綠地的資本化效應(yīng)評價

蔡煒宇+劉兆順

摘要：以長春市中心城區(qū)為研究區(qū)域，基于2016年30個公園綠地周邊的2 623個住宅樣本數(shù)據(jù)，從區(qū)位、建筑結(jié)構(gòu)、鄰里關(guān)系三個維度選取15個解釋變量，構(gòu)建住宅市場特征價格模型，定量評估了長春市公園綠地的資本化效應(yīng)方向與程度。結(jié)論表明，長春市住宅單價與到公園綠地的距離呈負相關(guān)關(guān)系，到公園綠地的距離增加1%，住宅單價下降0.020%；長春市公園綠地對住宅價格的資本化效應(yīng)不如杭州、北京、深圳等城市顯著；解釋變量對住宅價格的貢獻程度為市級商業(yè)中心>輕軌站點>公園綠地>主干路；長春市公園綠地資本化效應(yīng)的平均空間影響距離為1 km。

關(guān)鍵詞：公園綠地；住宅價格；特征價格；資本化；長春市

中圖分類號：F293.3 文獻標(biāo)識碼：A 文章編號：0439-8114（2017）14-2768-05

DOI：10.14088/j.cnki.issn0439-8114.2017.14.043

Abstract： Taking central area of Changchun as the research area， we investigated 2 623 residential sample data around 30 parks and selected 15 explanatory variables to build a hedonic price model in three aspects of location，structure and neighborhood. The results showed that there is negative correlation between the house price and its distance from park green space. Increasing the distance of 1% to the park green space decreases the house price by 0.020%. The capitalized effect of Changchun parks was less than Hangzhou， Beijing， Shenzhen. Proximity to a central business district produces the greatest effect on housing prices， followed by distance to light rail station， park green space，arterial road. The average influence radius of Changchun park green space is 1 km.

Key words： park green space； residential housing price； hedonic price； capitalization； Changchun

隨著生活水平的提高，城市居民對居住環(huán)境的安全性、便利性和舒適性給予了越來越高的重視。公園綠地作為城市中的“綠洲”，不僅對美化城市面貌、平衡城市的生態(tài)環(huán)境，調(diào)節(jié)氣候，凈化空氣等發(fā)揮了積極作用，而且為城市居民提供了環(huán)境優(yōu)美的游憩空間[1]。出于“舒適宜居性”考慮，購房者根據(jù)自己的收入和偏好愿意支付更高的費用購買公園綠地周邊的住宅[2]，使得公園綠地在質(zhì)量和數(shù)量上的差異資本化到房價當(dāng)中。然而公園綠地的特征價格是隱性的，難以用貨幣價格直接衡量資本化方向與程度[3]。

城市公共品如軌道交通、公園、學(xué)校等對住宅市場的外部性效應(yīng)已引起國內(nèi)外學(xué)者的廣泛關(guān)注，目前多是通過構(gòu)建特征價格模型來衡量公共品的資本化效應(yīng)。以Lancaster的消費者理論及Rosen的市場供需均衡模型為理論基礎(chǔ)，應(yīng)用于住宅市場當(dāng)中的特征價格理論認為，消費者對住宅的需求不是基于住宅本身，而是基于住宅所內(nèi)含的各種特征，每個住宅特征對應(yīng)著一個特征價格，住宅所包含的各種特征的數(shù)量不同，消費者所獲得的效用水平不同，從而影響房價及消費者的選擇[4，5]。

近年來，國外學(xué)者從正外部性和負外部性兩方面分別分析了開敞空間[6]、交通站點[7]、學(xué)校質(zhì)量[8]、機場噪音[9]、垃圾填埋[10]等特征對房價的影響。國內(nèi)學(xué)者從引入特征價格方法以來，相繼開展了軌道交通[11]、公園綠地[12]、教育配套[13]等特征對房價的影響研究，其中公園綠地方面?zhèn)戎赜趩蝹€大型生態(tài)綠地或公園的影響效應(yīng)定量研究，如相關(guān)學(xué)者通過構(gòu)建特征價格模型，分析了一定距離范圍內(nèi)大型公園對周邊房價的增值效應(yīng)[14]；或者通過構(gòu)建到公園距離與房價之間的二次、三次曲線模型，分析相應(yīng)公園的最大影響范圍[12]；再者從地理空間差異角度考慮，分析了特定方向、不同距離大型公園綠地對周邊住宅的定量影響[15]。

目前，國內(nèi)對于大范圍多個公園綠地的影響研究涉及不多，僅北京、杭州、深圳等城市已開展公園綠地對住宅價格的定量影響研究。長春作為中國東北地區(qū)的中心城市之一，都市區(qū)綠化率較高，是著名的國家森林城市。由于地理位置、經(jīng)濟發(fā)展水平、文化習(xí)俗不同，長春市中心城區(qū)公園綠地的資本化程度和空間影響與上述三個城市相比必然存在一些差異，目前長春還未開展相關(guān)研究?；诖耍狙芯客ㄟ^構(gòu)建對數(shù)特征價格模型，從公共品資本化效應(yīng)視角出發(fā)，定量評估了長春市中心城區(qū)30個公園綠地對周邊住宅價格影響，以期為政府管理部門城市規(guī)劃和稅收管理、開發(fā)商投資選址及產(chǎn)品定價、消費者住房選擇等提供信息及決策依據(jù)。

1 數(shù)據(jù)來源和模型

1.1 數(shù)據(jù)來源

長春市是吉林省省會城市，地處吉林省中部。本研究以長春市中心城區(qū)作為研究區(qū)域，公園綠地的選取主要參考《城市綠地分類標(biāo)準(zhǔn)》[16]中的定義與分類，依據(jù)長春市人民政府公布的長春市公園名錄（第一批），以長春市市區(qū)遙感影像為工作底圖，結(jié)合實地調(diào)研，確定朝陽區(qū)、南關(guān)區(qū)、二道區(qū)、寬城區(qū)、綠園區(qū)、經(jīng)濟技術(shù)開發(fā)區(qū)、汽車經(jīng)濟技術(shù)開發(fā)區(qū)、凈月高新經(jīng)濟開發(fā)區(qū)、伊通河沿線城區(qū)段共計30個具有公園性質(zhì)的綠地，并形成公園綠地面狀矢量圖層。其中伊通河沿線分布25個公園，公園之間有綠化廊道，為長春市市民提供了良好的景觀視線，本研究將伊通河沿線綠地景觀劃歸為1個公園綠地。

長春市中心城區(qū)面積642.07 km2，本次納入考慮范圍內(nèi)的公園綠地總面積3 790.14 hm2，占中心城區(qū)面積的5.90%。不考慮伊通河沿線綠地和凈月潭國家森林公園，公園綠地面積平均值為38.31 hm2，標(biāo)準(zhǔn)偏差為47.76 hm2，其中面積最小的是杏花村公園（3.71 hm2），面積最大的是南湖公園（198.88 hm2）。

本次研究住宅樣本數(shù)據(jù)主要來源于搜房網(wǎng)及長春市住房保障和房地產(chǎn)管理局官方網(wǎng)站，并采取5%抽樣進行了實地調(diào)查。為提高數(shù)據(jù)可比性，各個居住小區(qū)選取5套普通商品住宅樣本，剔除低層、復(fù)式、躍層、豪華裝修、期房等形式的住宅，且不包括別墅、獨棟等建筑類型的住宅，選取信息完整的590個住宅小區(qū)共計2 658個住宅樣本。住宅小區(qū)點狀矢量圖層的形成首先是通過Google Earth查閱其坐標(biāo)，然后基于ArcGIS平臺建立形成，并依據(jù)遙感影像進行檢驗。

住宅樣本數(shù)據(jù)主要涉及兩類，即住宅成交數(shù)據(jù)和住宅特征調(diào)查數(shù)據(jù)。由于相關(guān)網(wǎng)站小區(qū)實際成交記錄數(shù)據(jù)量較小，選取2016年9月1日至2016年10月31日的住宅掛牌資料，采用同期的292個住宅配對樣本數(shù)據(jù)，構(gòu)建掛牌住宅單價與成交住宅單價的回歸方程（P成交=1 864.730+0.701×P掛牌，經(jīng)調(diào)整的R2=0.924），對掛牌價格進行修正。由于資料時間跨度較小，此次暫不考慮時間對價格的影響。住宅特征調(diào)查數(shù)據(jù)主要來源于搜房網(wǎng)、長春市住房保障和房地產(chǎn)管理局官方網(wǎng)站獲取與住宅本身相關(guān)的特征數(shù)據(jù)；為保證數(shù)據(jù)精確性，教育配套、生活配套及公交線路等數(shù)據(jù)來源于百度地圖；與距離相關(guān)的變量則是基于ArcGIS平臺構(gòu)建相關(guān)矢量圖層，利用近鄰分析工具測算得出。公園綠地及樣本住宅小區(qū)的空間分布如圖1所示。

1.2 變量的選擇與量化

住宅價格的影響因素很多，出于各種原因，人們不可能選取全部的影響因素構(gòu)建特征價格模型。1982年，巴特勒將特征價格模型應(yīng)用到住宅市場的分析上就指出，住宅價格有3大類影響因素，即區(qū)位、建筑結(jié)構(gòu)、鄰里關(guān)系[17]，目前已有相關(guān)研究多是從這三方面展開。區(qū)位一般從整個城市范圍的角度考慮，往往是對可達性進行量化，選取到市級商業(yè)中心距離、到輕軌站點距離、到主干路距離、到公園綠地距離4個區(qū)位特征變量。建筑特征主要指與住宅本身相關(guān)的變量，如建筑面積、房齡、裝修、朝向、有無車位等。鄰里關(guān)系主要包括三類，一是社會經(jīng)濟變量，鄰里的社會階層、職業(yè)狀況等；二是政府或市政公共服務(wù)設(shè)施，如商店、學(xué)校、醫(yī)院等；三是外在性影響，如自然環(huán)境、犯罪率、交通噪聲等。由于地域特征、經(jīng)濟發(fā)展水平、生活習(xí)慣等方面存在差異，不同地區(qū)選取的特征變量不同。結(jié)合長春市實際，考慮數(shù)據(jù)的可得性，最終確定解釋變量15個。具體的特征變量、量化方式如表1所示。

1.3 模型的函數(shù)形式

特征價格模型常用函數(shù)形式有三種為線性函數(shù)、半對數(shù)函數(shù)、對數(shù)函數(shù)。通過相關(guān)文獻檢索，發(fā)現(xiàn)采用對數(shù)函數(shù)形式模型居多。經(jīng)過多次嘗試，發(fā)現(xiàn)對于同樣的變量對數(shù)模型的解釋力更高，因此后續(xù)分析皆是采用對數(shù)形式進行展開。其中因變量住宅單價取自然對數(shù)形式，自變量中主干路距離、輕軌站點距離、商業(yè)中心距離、公園綠地距離采用對數(shù)形式，其他變量采用線性形式。具體函數(shù)形式如下：

lnP=？琢0+∑？琢ilnXi+∑？琢jXj+？著 （i=12，13，14，15；j=1，2，…，11）

式中，P為住宅單價，Xi為取對數(shù)形式的距離變量，Xj為取線性形式的其他特征變量；α0、αi、αj為待估計的系數(shù)；ε為誤差項。

2 結(jié)果與分析

2.1 回歸結(jié)果

利用SPSS軟件，制作各自變量和因變量的散點圖判斷其趨勢；檢查數(shù)據(jù)的分布，對數(shù)據(jù)的異常值進行預(yù)處理；應(yīng)用最小二乘法對影響住宅的特征變量和住宅價格進行逐步回歸分析（顯著性水平5%），最終進入模型樣本數(shù)量2 623個，得到回歸方程lnP=8.605+0.063×X8+0.037×X6-0.053×lnX14-0.028×lnX13+0.001×X1-0.006×X12-0.020×lnX15+0.001×X7+0.20×X10-0.011×lnX12+0.032×X3。

根據(jù)相關(guān)統(tǒng)計學(xué)原理，回歸方程F檢驗值的顯著性水平小于0.001，說明進入模型的住宅特征自變量與因變量房價lnP之間存在線性關(guān)系；各回歸系數(shù)t檢驗值的顯著性水平均小于0.05，說明回歸方程中各住宅特征變量與房價lnP之間存在線性關(guān)系，所建立的回歸模型具有統(tǒng)計學(xué)意義。從判定系數(shù)R2可知，回歸模型中的特征變量所能解釋房價變動的百分比為65.2%，擬合效果較好。

2.2 模型變量及符號分析

11個特征變量進入模型，其中建筑結(jié)構(gòu)變量4個，分別為裝修、房齡、建筑面積、朝向；鄰里關(guān)系變量3個，分別為物業(yè)管理、綠化率、生活配套；區(qū)位變量4個，分別為距商業(yè)中心距離、距輕軌站點距離、距最近公園距離、距主干路距離。未進入模型的特征變量包括所在樓層、總樓層數(shù)、教育配套及公交線路。

多位學(xué)者研究表明，教育配套對于房價有正向作用[13，18]，此次教育配套影響不顯著的原因一方面是住宅小區(qū)周邊教育配套較為成熟，空間分布相對均勻?qū)е碌梅植町愝^小，另一方面是數(shù)據(jù)統(tǒng)計過程中未考慮學(xué)區(qū)范圍和教育質(zhì)量，單純以一定范圍內(nèi)有無學(xué)校來量化此指標(biāo)，降低了指標(biāo)的合理性；而公交線路未進入模型的主要原因，認為不是居民乘坐公交出行的意愿降低，而是長春市中心城區(qū)公交網(wǎng)密度較大，不同地區(qū)差異較小。

由偏回歸系數(shù)可見，除主干路距離外，各特征變量對房價的影響效應(yīng)符號與預(yù)期符號一致。物業(yè)管理、裝修、住宅面積、綠化率、生活配套、朝向?qū)Ψ績r均具有正效應(yīng)，到商業(yè)中心距離、輕軌站點距離、房齡、到公園綠地距離與房價呈負相關(guān)關(guān)系。主干路距離對房價具有正效應(yīng)，說明房價隨著距主干路距離的增加而升高，分析其原因，一方面長春市交通便利，除主干路外各種次干路、支路在交通系統(tǒng)中也發(fā)揮著重要作用，另一方面住宅小區(qū)到主干路距離較近，平均為569 m，主干路車流量大給住宅帶來的噪音、污染、擁堵等不利影響較多。

2.3 公園綠地的資本化分析

1）價格彈性分析。由表2可知，公園綠地距離與房價呈負相關(guān)關(guān)系，即公園綠地正資本化于周邊住宅價格當(dāng)中。對數(shù)模型中，取對數(shù)形式自變量的未標(biāo)準(zhǔn)化系數(shù)，對應(yīng)著相應(yīng)住宅特征的價格彈性。在其他變量不變條件下，長春市中心城區(qū)范圍內(nèi)，到最近公園的距離每增加1%，住宅價格平均下降0.020%。相較于2011年杭州市主城區(qū)到最近公園加權(quán)距離每增加1%，住宅價格下降0.036%[3]；北京市建城區(qū)到公園距離每增加1%，住宅價格下降0.109%[19]；深圳市到公園距離每增加1%，住宅價格下降0.041%[20]，長春市公園綠地的資本化效應(yīng)不如上述3個城市顯著。究其原因，其一，長春市公園綠地數(shù)目較多，分布較為廣泛，且有伊通河穿城而過，為長春市居民提供了良好的景觀視線及休憩空間，居民對綠地景觀的需求不如杭州、北京、深圳等城市居民迫切；其二，長春市冬季時間較長，氣候原因?qū)е戮用裢獬龌顒訒r間受到限制，削弱了公園綠地對周邊房產(chǎn)的影響；其三，以上三篇文章選取的公園綠地較為典型，因此對房價具有較大的增值作用；其四，長春市公園綠地周邊廣泛分布的學(xué)校、醫(yī)院、體育館、政府辦公場所在一定程度上影響了其資本化效應(yīng)。

2）重要程度分析。標(biāo)準(zhǔn)化偏回歸系數(shù)可以消除原始變量單位不同及量綱不同的影響，比較各特征變量對住宅單價的貢獻大小。由于部分自變量以線性形式進入模型，部分自變量以對數(shù)形式進入模型，公園綠地進入模型的形式是對數(shù)形式，此次僅考慮取對數(shù)形式的特征變量的重要程度分析。由表2可見，商業(yè)中心、輕軌站點、公園綠地、主干路的標(biāo)準(zhǔn)化回歸系數(shù)的絕對值分別為0.220、0.147、0.104、0.068，公園綠地的影響程度小于市級商業(yè)中心和輕軌站點的影響程度，排名第三位。根據(jù)地租遞減規(guī)律，距市級商業(yè)中心的距離在一定程度上綜合表征了住宅小區(qū)所在地的區(qū)位、商服繁華度、交通便捷度，其影響程度最大符合人們預(yù)期。由圖1可知，長春市住宅小區(qū)于輕軌站點周邊分布的趨勢較為明顯，輕軌站點的影響程度大于公園綠地的影響程度的現(xiàn)象在一定程度上為開發(fā)商的投資方向提供了依據(jù)。相較于深圳市變量重要程度為到商業(yè)中心距離>到主干路距離>到公園綠地距離>到地鐵距離[20]，其公園綠地、軌道交通及主干路的重要程度表現(xiàn)出與長春市不同的特征，這種差異從一定程度上表現(xiàn)了不同的經(jīng)濟發(fā)展階段，居民對各種服務(wù)需求迫切性不同。

3）影響距離。將模型回歸分析得到的各系數(shù)以及對應(yīng)變量的平均值代入到特征價格函數(shù)中，可以得到住宅價格與到最近公園綠地距離的公式為lnP=8.782-0.020 lnL。式中P代表住宅單價，L代表到最近公園綠地的距離。由圖2可知，公園綠地的資本化效應(yīng)具有距離異質(zhì)性，隨著到公園綠地距離的增加，住宅的資本化效應(yīng)逐漸減弱。借鑒有關(guān)文獻[21，22]，設(shè)定當(dāng)?shù)阶罱珗@的距離每增加100 m，價格變化幅度小于0.2%，則認為住宅價格不再有變化，據(jù)此推斷出公園對周邊住宅的平均影響距離為1 km。

3 結(jié)論與討論

基于對數(shù)特征價格模型，選取長春市中心城區(qū)公園綠地周邊的2 623個住宅樣本，定量評估了公園綠地對住宅市場的資本化效應(yīng)。研究結(jié)果表明，長春市公園綠地的資本化效應(yīng)不如杭州、北京、深圳等城市顯著，總體上到公園距離增加1%，住宅單價下降0.020%，居民愿意為獲得良好的景觀視線和休憩環(huán)境支付附加價格；長春市公園綠地對住宅價格的影響程度不如輕軌站點的影響程度大；公園綠地對房價的影響具有距離異質(zhì)性，其平均影響距離為1 km。

研究結(jié)論揭示了政府對公園綠地的財政投資已經(jīng)資本化到周邊住宅價格當(dāng)中，但是這筆回報并未被政府全部獲得，首先是開發(fā)商獲得了消費者額外支付的附加住宅價格，其次消費者的購買行為實現(xiàn)了其住宅財產(chǎn)的保值增值及良好的景觀視線。因此，公園綠地作為城市中重要的公共品，實現(xiàn)其外部效應(yīng)的貨幣化，通過制定合理的稅收途徑保證公共品的投資回流對于房地產(chǎn)業(yè)發(fā)展、城市規(guī)劃布局及土地利用具有重要意義。

隨著社會的發(fā)展，人們追求的核心目標(biāo)是社會公平。公園綠地因類型、面積、收費、形狀、分布密度等區(qū)別給人們帶來的舒適性是有差異的。本研究僅著力于公園綠地公共品的平均資本化效應(yīng)，未從空間配置的角度更深層次地挖掘其供給結(jié)構(gòu)的均等性。從空間角度研究公園綠地的均等化配置，有利于縮小中心城區(qū)地區(qū)間的差異，推進公園綠地均等化服務(wù)，提升人民幸福感。因此，本研究將公共綠地空間配置資本化效應(yīng)作為改進方向。

同時還需要從以下兩方面加以改進：進一步科學(xué)量化住宅特征變量，考慮學(xué)校質(zhì)量對住宅價格的增值影響；進一步深化對公園綠地時間效應(yīng)影響研究，如采集多年度的綠地及住宅數(shù)據(jù)，研究其影響距離及增值效應(yīng)等變化。

參考文獻：

[1] 封 云，林 磊.公園綠地規(guī)劃設(shè)計[M].北京：中國林業(yè)出版社， 2004.

[2] MORANCHO A B. A hedonic valuation of urban green areas[J].Landscape & Urban Planning，2003，66（1）：35-41.

[3] 溫海珍，李旭寧，張 凌.城市景觀對住宅價格的影響——以杭州市為例[J].地理研究，2012，31（10）：1806-1814.

[4] LANCASTER K J. A new approach to consumer theory[J].Journal of Political Economy，1966，74（1）：132-157

[5] ROSEN S. Hedonic prices and implicit markets：Product differentiation in pure competition[J].Journal of Political Economy，1974，82（1）：34-55.

[6] IRWIN E G. The effects of open space on residential property values[J].Land Economics，2002，78（4）：465-480.

[7] MARTINEZ L M，VIEGAS J M，MARTINEZ L M，et al. Effects of transportation accessibility on residential property values： Hedonic price model in lisbon，portugal，metropolitan area[J].Transportation Research Record Journal of the Transportation Research Board，2009，2115（2115）：127-137.

[8] RIES J，SOMERVILLE T. School quality and residential property values：Evidence from vancouver rezoning[J].The Review of Economics and Statistics，2010，92（4）：928-944.

[9] ESPEY M，LOPEZ H. The impact of airport noise and proximity on residential property values[J].Growth and Change，2000，31（3）：408-419.

[10] OWUSU G，NKETIAH-AMPONSAH E. How do ghanas landfills affect residential property values：A case study of two sites in accra[J].Urban Geography，2014，35（8）：1140-1155.

[11] 鄭捷奮.城市軌道交通與周邊房地產(chǎn)價值關(guān)系研究[D].北京：清華大學(xué)，2004.

[12] 石憶邵，張 蕊.大型公園綠地對住宅價格的時空影響效應(yīng)——以上海市黃興公園綠地為例[J].地理研究，2010，29（3）：510-520.

[13] 溫海珍，楊 尚，秦中伏.城市教育配套對住宅價格的影響：基于公共品資本化視角的實證分析[J].中國土地科學(xué)，2013（1）：34-40.

[14] 鐘海玥，張安錄，蔡銀鶯.武漢市南湖景觀對周邊住宅價值的影響——基于Hedonic模型的實證研究[J].中國土地科學(xué)，2009， 23（12）：63-68.

[15] 陳 庚，朱道林，蘇亞藝，等.大型城市公園綠地對住宅價格的影響——以北京市奧林匹克森林公園為例[J].資源科學(xué)，2015， 37（11）：2202-2210.

[16] 徐 波，李金路，趙 鋒，等.城市綠地分類標(biāo)準(zhǔn)：CJJ/T 85-2002[M].北京：中國建筑工業(yè)出版社，2002.

[17] BUTLER R V. The specification of hedonic indexes for urban housing[J].Land Economics，1982，58（1）：96-108.

[18] 王旭育.基于Hedonic模型的上海住宅特征價格研究[D].上海：同濟大學(xué)，2006.

[19] 夏 賓，張 彪，謝高地，等.北京建城區(qū)公園綠地的房產(chǎn)增值效應(yīng)評估[J].資源科學(xué)，2012，34（7）：1347-1353.

[20] WU J，WANG M，LI W，et al. Impact of urban green space on residential housing prices：Case study in shenzhen[J].Journal of Urban Planning & Development，2014，141（4）：05014023-1-05014023-8.

[21] 溫海珍，卜曉慶，秦中伏.城市湖景對住宅價格的空間影響——以杭州西湖為例[J].經(jīng)濟地理，2012，32（11）：58-64.

[22] 石憶邵，郭惠寧.上海南站對住宅價格影響的時空效應(yīng)分析[J].地理學(xué)報，2009，64（2）：167-176.